hyk的博客

赛题以购物篮分析为背景，要求选手对品牌的历史订单数据，挖掘频繁项集与关联规则。通过这道赛题，鼓励学习者利用订单数据，为企业提供销售策略，产品关联组合，为企业提升销量的同时，也为消费者提供更适合的商品推荐。数据源：order.csv，product.csv，customer.csv，date.csv ，分别为订单表，产品表，客户表，日期表现在需要你使用关联分析（比如Apriori算法） 挖掘订单中的频繁项集及关联规则说明：1）频繁项集、关联规则的计算会用到支持度、置信度、提升度等指标，2）频繁项集：即大

1、cat() 拼接字符串例子：>>> Series(['a', 'b', 'c']).str.cat(['A', 'B', 'C'], sep=',')0 a,A1 b,B2 c,Cdtype: object>>> Series(['a', 'b', 'c']).str.cat(sep=',')'a,b,c'>>> Series(['a', 'b']).str.cat([['x', 'y'], ['1', '2']], sep=','

目录作用参数描述errors中参数的解释downcast中参数的意义实例作用作用：将参数转换为数字类型。默认返回dtype为float64或int64， 具体取决于提供的数据。使用downcast参数获取其他dtype。参数描述参数 描述args 接受scalar, list, tuple, 1-d array, or Series类型errors 有3种类型{‘ignore’, ‘raise’, ‘coerce’}, 默认为‘raise’downcast {‘integer’,

这里写目录标题一、RFM模型概述R值：最近一次消费（Recency）F值：消费频率（Frequency）M值：消费金额（Monetary）二、基于RFM模型的实践应用1、基于RFM模型进行客户细分2、通过RFM模型评分后输出目标用户一、RFM模型概述RFM模型是网点衡量当前用户价值和客户潜在价值的重要工具和手段。RFM是Rencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合，如图所示：R值：最近一次消费（Recency）消费指的是客户在店

import numpy as npimport pandas as pdfrom pandas import Series,DataFrame# Numpy数据合并arr = np.random.randint(0,10,(3,3))arr# concatenate((a1, a2, ...), axis=0, out=None)np.concatenate((arr,arr)) # 默认axis = 0,按列np.concatenate((arr,arr),axis = 1)# 按

基础语法plt.plot(x,y,format_string,**kwargs)说明：----x:x轴数据，列表或数组，可选----y:y轴数据，列表或数组，可选----format_string:控制曲线的格式字符串，可选----**kwargs:第二组或更多，(x,y,format_string)plot函数的一般的调用形式：单条线：plot([x], y, [fmt], data=None, **kwargs)多条线一起画plot([x], y, [fmt], [x2], y